Notice bibliographique
Résumé
PURPOSE OF REVIEW: Interleukin-6 (IL-6) has emerged as a cytokine involved in cachexia progression with some cancers. This review will present the recent breakthroughs in animal models and humans related to targeting IL-6 as a cancer cachexia therapy. RECENT FINDINGS: IL-6 can target adipose, skeletal muscle, gut, and liver tissue, which can all affect cachectic patient recovery. IL-6 trans-signaling through the soluble IL-6R has the potential to amplify IL-6 signaling in the cachectic patient. In the skeletal muscle, chronic IL-6 exposure induces proteasome and autophagy protein degradation pathways that lead to wasting. IL-6 is also indirectly associated with AMP-activated kinase (AMPK) and nuclear factor kappa B (NF-κB) activation. Several mouse cancer models have clearly demonstrated that blocking IL-6 and associated signaling can attenuate cachexia progression. Additionally, pharmaceuticals targeting IL-6 and associated signaling can relieve some cachectic symptoms in cancer patients. Research with cachectic mice has demonstrated that exercise and nutraceutical administration can interact with chronic IL-6 signaling during cachexia progression. SUMMARY: IL-6 remains a promising therapeutic strategy for attenuating cachexia progression with many types of cancer. However, improvement of this treatment will require a better understanding of the indirect and direct effects of IL-6 as well as its tissue-specific actions in the cancer patient.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».